CN114190892B - 皮肤螨虫非接触测试方法、系统、存储介质及处理器 - Google Patents

Abstract

本发明实施例提供一种皮肤螨虫非接触测试方法、系统、处理器及存储介质。方法包括：获取待测量的皮肤图片；将皮肤图片输入至螨虫图像识别模型中，通过螨虫图像识别模型对皮肤图片进行识别特征提取，以确定皮肤图片中包含的螨虫识别特征；用单一识别特征分割法确定包含有单一螨虫识别特征的目标识别区域图像单元数量；根据单一螨虫识别特征原则针对待测量的皮肤图片进行分割，确保分割出的图像单元只包含单一螨虫识别特征，依据分割出的目标识别区域图像单元数量确定皮肤图片中包含的螨虫数量。以此，可以实现以一种安全、高效非接触方式，对于皮肤表面瑕疵之一的螨虫，可以快速高效且准确地检测，螨虫的数量。

Description

皮肤螨虫非接触测试方法、系统、存储介质及处理器

技术领域

本发明涉及医疗美容皮肤检测技术领域，具体地涉及一种皮肤螨虫非接触测试方法、系统、存储介质及处理器。

背景技术

寄生在人体的螨虫主要分为两种，一种是毛囊螨，也叫人蠕形螨，另一种叫皮脂腺螨，寄生在人面部的皮脂腺中，一般的也就简称为螨虫。螨虫通常分为尘螨、粉螨、革螨、恙螨等几大类，是一种肉眼不易看见的微型害虫，螨虫广泛分布于居室的阴暗角落、地毯、床垫、枕头、沙发、空调、凉席等处，其中尘螨的分布最广、影响最大，螨虫的尸体、分泌物和排泄物都是过敏源，会使人出现过敏性皮炎、哮喘病、支气管炎、肾炎、过敏性鼻炎等疾病，严重危害人体健康。螨虫感染度高者可致病，而螨少虽未致病，也同样影响美容效果，在显微镜下可以发现，小小一个皮肤毛囊内，往往同时寄生数只螨虫，这些螨虫生老病死都在人体皮肤毛囊中度过，轻则堵塞毛孔，让皮肤难以吸收护肤品中的营养成分，晦暗无光，造成毛孔粗大、皮肤粗糙多油、痤疮、粉刺、小红疙瘩等肌肤问题；重则发展成慢性皮肤疾病。因而，很多皮肤科专家强调“要想美，先除螨”。为安全有效地清除螨虫，应选用经权威科研机构验证的正规厂家生产的除螨日化产品。常规的显微镜检测法是从鼻子或比较油性的部位取一点油脂分泌，放在显微镜下观察，螨虫是一种寄生虫不是细菌，所以要求检测的操作人员使用显微镜时，不需要高倍镜。

但是显微镜观察直观科学，但是也有一定的局限性，可能单次检测是看不到螨虫，要多次重复检测，检测效率较低。

发明内容

本发明实施例的目的是提供一种皮肤螨虫非接触测试方法、系统、存储介质及处理器。

为了实现上述目的，本发明第一方面提供一种皮肤螨虫非接触测试方法，包括：

获取待测量的皮肤图片；

将所述皮肤图片输入至螨虫图像识别模型中，通过所述螨虫图像识别模型对所述皮肤图片进行识别特征提取，以确定所述皮肤图片中包含的螨虫识别特征；

用单一识别特征分割法确定包含有单一螨虫识别特征的目标识别区域图像单元数量；

根据单一螨虫识别特征原则针对待测量的皮肤图片进行分割，确保分割出的图像单元只包含单一螨虫识别特征，依据目标识别区域图像单元数量确定所述皮肤图片中包含的螨虫数量。

可选地，方法还包括：

获取至少十张面部样本图片并进行标记，每个面部样本图片中至少包含有一只螨虫；

将所述面部样本图片输入至待训练的螨虫图像识别模型中，通过所述待训练的螨虫图像识别模型提取每个面部样本图片包含的螨虫的特征，以得到对应的样本识别特征；

根据所述样本识别特征以及单一螨虫识别特征原则分割样本图片确定分割出的每个样本图片单元中只包含单一识别特征，分割出的图片单元数量即为样本图片中包含的螨虫数量；

根据标记出来的螨虫数量确定所述待训练的螨虫图像识别模型的预测准确率；

在所述预测准确率高于正确率阈值的情况下，确定所述待训练的螨虫图像识别模型训练完毕。

可选地，依据分割出的目标识别区域图像单元数量确定所述皮肤图片中包含的螨虫数量包括：针对每个面部样本图片，依据单一识别特征原则将同一只螨虫所占据的多个目标图像进行整合，以确定对应的区域图像单元；将每个面部样本图片的区域图像单元的数量确定为每个面部样本图片中包含的螨虫数量。

可选地，方法还包括：通过图像采集设备获取待测量的皮肤图片，其中，所述图像采集设备带有自动调焦功能的光学镜头模组，在进行图像采集时，所述图像采集设备自动调整好镜头焦距，使得被测物完美成像于接收元件传感器平面，并精确地测出被测物到镜头的距离和镜头到接收平面的距离。

可选地，方法还包括：在确定所述皮肤图片中包含的螨虫数量之后，根据所述螨虫数量确定皮肤的严重等级；根据所述严重等级确定对应的治疗方案。

本发明第二方面提供一种处理器，被配置成执行上述的皮肤螨虫非接触测试方法。

本发明第三方面提供一种皮肤螨虫非接触测试系统，包括：

上述的处理器；以及图像采集设备，用于采集待测量的皮肤图片。

可选地，系统还包括显示设备，用户显示所述皮肤图片中包含的螨虫数量和/或针对所述皮肤图片的治疗方案。

可选地，显示设备具备人机交互功能。

本发明第四方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得所述处理器被配置成执行上述的皮肤螨虫非接触测试方法。

上述皮肤螨虫非接触测试方法中，通过获取待测量的皮肤图片，将皮肤图片输入至螨虫图像识别模型中，通过螨虫图像识别模型对皮肤图片进行特征提取，以确定皮肤图片中包含的螨虫识别特征，确定包含有单一螨虫识别特征的目标区域图像单元数量后，根据目标识别区域图像单元数量确定皮肤图片中包含的螨虫数量，以此，可以实现以一种安全、高效非接触方式，对于皮肤表面瑕疵之一的螨虫，可以快速高效且准确地检测，螨虫的数量，对于皮肤表面瑕疵之一的螨虫检测即给出了一种近乎完美的解决方案，所提供出的本质安全型产品，能够针对螨虫数据给出公正客观的评价。

本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：

图1示意性示出了根据本发明实施例的皮肤螨虫非接触测试方法的流程示意图；

图2示意性示出了根据本发明实施例的螨虫测试的示意图；

图3示意性示出了根据本发明实施例的计算机设备的内部结构图。

具体实施方式

以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。

图1示意性示出了根据本发明实施例的皮肤螨虫非接触测试方法的流程示意图。如图1所示，在本发明一实施例中，以处理器举例说明，提供了一种皮肤螨虫非接触测试方法，包括以下步骤：

步骤101，获取待测量的皮肤图片。

步骤102，将皮肤图片输入至螨虫图像识别模型中，通过螨虫图像识别模型对皮肤图片进行识别特征提取，以确定皮肤图片中包含的螨虫识别特征。

步骤103，用单一识别特征分割法确定包含有单一螨虫识别特征的目标识别区域图像单元数量。

步骤104，根据单一螨虫识别特征原则针对待测量的皮肤图片进行分割，确保分割出的图像单元只包含单一螨虫识别特征，依据分割出的目标识别区域图像单元数量确定皮肤图片中包含的螨虫数量。

处理器可以通过图像采集设备获取到待识别皮肤的皮肤图片。其中，光学镜头模组的图像接收传感器尺寸和像素的纵横分布，以及像素单元的尺寸决定了镜头的检测功能特性技术指标。本方案中的图像采集设备带有自动调焦功能的光学镜头模组，首先自动调整好镜头焦距，使得被测物完美成像于接收元件传感器平面，并精确地测出被测物到镜头(物距)和镜头到接收平面的距离(像距)，间接得到镜头的成像比作为实施本方案的技术基础。

在获取到待测量的皮肤图片后，处理器可以将皮肤图片输入至螨虫图像识别模型中，通过螨虫图像识别模型对皮肤图片进行特征提取，以确定皮肤图片中包含的螨虫特征。然后可以确定出包含有单一螨虫识别特征的目标区域图像单元数量，并根据目标区域图像单元数量确定皮肤图片中包含的螨虫数量。

在一个实施例中，上述方法还包括对螨虫图像识别模型的训练步骤。训练步骤包括：获取至少十张面部样本图片并进行标记，每个面部样本图片中至少包含有一只螨虫；将面部样本图片输入至待训练的螨虫图像识别模型中，通过待训练的螨虫图像识别模型提取每个面部样本图片包含的螨虫的特征，以得到对应的样本识别特征；根据样本识别特征以及单一螨虫识别特征原则分割样本图片确定分割出的每个样本图片单元中只包含单一识别特征，分割出的图片单元数量为样本图片中包含的螨虫数量；根据标记出来的螨虫数量确定待训练的螨虫图像识别模型的预测准确率；在预测准确率高于正确率阈值的情况下，确定待训练的螨虫图像识别模型训练完毕。其中，正确率阈值可以设置为90％，表明当待训练的螨虫图像识别模型的预测准确率高于90％的情况下，可以确定待训练的螨虫图像识别模型训练完毕。为了保证模型训练的可靠性，还可以另外通过一批测试数据来对该模型进行测试，与训练时的样本数据不同的是，测试数据中可以包括有不包含的螨虫的面部图片，以此测试模型的测试准确率。当待训练的螨虫图像识别模型的测试准确率高于90％的情况下，则可以确定待训练的螨虫图像识别模型训练完毕。

在一个实施例中，依据分割出的目标识别区域图像单元数量确定皮肤图片中包含的螨虫数量包括：针对每个面部样本图片，依据单一识别特征原则将同一只螨虫所占据的多个目标图像素进行整合，以确定对应的区域图像单元；将每个面部样本图片的区域图像单元的数量确定为每个面部样本图片中包含的螨虫数量。

螨虫属于节肢动物门蛛形纲广腹亚纲的一类体型微小的动物，身体尺度小到0.1毫米，一般都在0.5毫米左右，大多数种类小于1毫米。对应像素数6-60像素。依据同一张图片上的每一个识别特征作为一只螨虫的计数标识。以此方式，可以确定出每一只螨虫所对应的区域图像单元。然后，针对每个面部样本图片，可以统计每个面部样本图片所包含的单一识别特征区域图像单元的数量，由于每个区域图像单元是跟每只螨虫对应的，因此可以将每个面部样本图片区域图像单元的数量确定为每个面部样本图片中包含的螨虫数量。

在一个实施例中，方法还包括：在确定皮肤图片中包含的螨虫数量之后，根据螨虫数量确定皮肤的严重等级；根据严重等级确定对应的治疗方案。

在检测出待测量的皮肤图片所对应皮肤问题之后，还可以根据该图片中包含的螨虫数量确定出皮肤的严重等级，并根据皮肤的严重等级确定对应的治疗方案。进一步地，还可以给出该用户的病情数据，如用户过敏的药物等，用户的工作环境和居住环境的，进一步优化该治疗方案。

在一个具体的实施例中，图2示意性示出了根据本发明实施例螨虫的示意图。图像采集设备使用1/1.65英寸图像传感器，有效对角线长度9.72mm，换算成画幅纵横比3/4，可求得图像传感器真实尺寸为7.78x5.83mm，像素阵列为3648(H)×2736(V)，像素尺度为2.13um。第一个测试对象为健康人：螨虫数量为零。第二个测试对象面部瑕疵：螨虫数量为13。

上述皮肤螨虫非接触测试方法中，通过获取待测量的皮肤图片，将皮肤图片输入至螨虫图像识别模型中，通过螨虫图像识别模型对皮肤图片进行特征提取，以确定皮肤图片中包含的螨虫识别特征，用单一识别特征分割法划分出包含有单一螨虫识别特征的目标区域图像单元共计13个，根据目标区域图像单元数量确定出被测皮肤图片中包含的螨虫数量为13。就此，可以实现以一种安全、高效非接触方式，对于皮肤表面瑕疵之一的螨虫，可以快速高效且准确地判定螨虫的存在并检测数量，对于皮肤表面瑕疵之一的螨虫检测即给出了一种近乎完美的解决方案，所提供出的本质安全型产品，能够针对螨虫数据给出公正客观的评价。

本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述皮肤螨虫非接触测试方法。

本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现上述皮肤螨虫非接触测试方法。

在一个实施例中，还提供了一种皮肤螨虫非接触测试装置，包括上述的处理器，该处理器用于运行程序，其中，所述程序运行时执行上述皮肤螨虫非接触测试方法。

在一个实施例中，还提供了一种皮肤螨虫非接触测试系统，系统包括：

上述的处理器；以及图像采集设备，用于采集待测量的皮肤图片。

在一个实施例中，系统还包括显示设备，用户显示皮肤图片中包含的螨虫数量和/或针对皮肤图片的治疗方案。

在一个实施例中，该显示设备还可以具备人机交互功能。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器A01、网络接口A02、存储器(图中未示出)和数据库(图中未示出)。其中，该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A04。该非易失性存储介质A04存储有操作系统B01、计算机程序B02和数据库(图中未示出)。该内存储器A03为非易失性存储介质A04中的操作系统B01和计算机程序B02的运行提供环境。该计算机设备的数据库用于存储皮肤图片等数据。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序B02被处理器A01执行时以实现一种皮肤螨虫非接触测试方法。

本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取待测量的皮肤图片；将皮肤图片输入至螨虫图像识别模型中，通过螨虫图像识别模型对皮肤图片进行识别特征提取，以确定皮肤图片中包含的螨虫识别特征；用单一识别特征分割法确定包含有单一螨虫识别特征的目标识别区域图像单元数量；根据单一螨虫识别特征原则针对待测量的皮肤图片进行分割，确保分割出的图像单元只包含单一螨虫识别特征，依据分割出的目标识别区域图像单元数量确定皮肤图片中包含的螨虫数量。

在一个实施例中，方法还包括：获取至少十张面部样本图片并进行标记，每个面部样本图片中至少包含有一只螨虫；将面部样本图片输入至待训练的螨虫图像识别模型中，通过待训练的螨虫图像识别模型提取每个面部样本图片包含的螨虫的特征，以得到对应的样本识别特征；根据样本识别特征以及单一螨虫识别特征原则分割样本图片确定分割出的每个样本图片单元中只包含单一识别特征，分割出的图片单元数量为样本图片中包含的螨虫数量；根据标记出来的螨虫数量确定待训练的螨虫图像识别模型的预测准确率；在预测准确率高于正确率阈值的情况下，确定待训练的螨虫图像识别模型训练完毕。

在一个实施例中，依据分割出的目标识别区域图像单元数量确定皮肤图片中包含的螨虫数量包括：针对每个面部样本图片，依据单一识别特征原则将同一只螨虫所占据的多个目标图像素进行整合，以确定对应的区域图像单元；将每个面部样本图片的区域图像单元的数量确定为每个面部样本图片中包含的螨虫数量。

在一个实施例中，方法还包括：通过图像采集设备获取待测量的皮肤图片，其中，图像采集设备带有自动调焦功能的光学镜头模组，在进行图像采集时，图像采集设备自动调整好镜头焦距，使得被测物完美成像于接收元件传感器平面，并精确地测出被测物到镜头的距离和镜头到接收平面的距离。

在一个实施例中，方法还包括：在确定皮肤图片中包含的螨虫数量之后，根据螨虫数量确定皮肤的严重等级；根据严重等级确定对应的治疗方案。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取待测量的皮肤图片；将皮肤图片输入至螨虫图像识别模型中，通过螨虫图像识别模型对皮肤图片进行识别特征提取，以确定皮肤图片中包含的螨虫识别特征；用单一识别特征分割法确定包含有单一螨虫识别特征的目标识别区域图像单元数量；根据单一螨虫识别特征原则针对待测量的皮肤图片进行分割，确保分割出的图像单元只包含单一螨虫识别特征，依据分割出的目标识别区域图像单元数量确定皮肤图片中包含的螨虫数量。

在一个实施例中，方法还包括：获取至少十张面部样本图片并进行标记，每个面部样本图片中至少包含有一只螨虫；将面部样本图片输入至待训练的螨虫图像识别模型中，通过待训练的螨虫图像识别模型提取每个面部样本图片包含的螨虫的特征，以得到对应的样本识别特征；根据样本识别特征以及单一螨虫识别特征原则分割样本图片确定分割出的每个样本图片单元中只包含单一识别特征，分割出的图片单元数量为样本图片中包含的螨虫数量；根据标记出来的螨虫数量确定待训练的螨虫图像识别模型的预测准确率；在预测准确率高于正确率阈值的情况下，确定待训练的螨虫图像识别模型训练完毕。

在一个实施例中，依据分割出的目标识别区域图像单元数量确定皮肤图片中包含的螨虫数量包括：针对每个面部样本图片，依据单一识别特征原则将同一只螨虫所占据的多个目标图像素进行整合，以确定对应的区域图像单元；将每个面部样本图片的区域图像单元的数量确定为每个面部样本图片中包含的螨虫数量。

在一个实施例中，方法还包括：通过图像采集设备获取待测量的皮肤图片，其中，图像采集设备带有自动调焦功能的光学镜头模组，在进行图像采集时，图像采集设备自动调整好镜头焦距，使得被测物完美成像于接收元件传感器平面，并精确地测出被测物到镜头的距离和镜头到接收平面的距离。

在一个实施例中，方法还包括：在确定皮肤图片中包含的螨虫数量之后，根据螨虫数量确定皮肤的严重等级；根据严重等级确定对应的治疗方案。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (7)

1.一种皮肤螨虫非接触测试方法，其特征在于，所述方法包括：

获取待测量的皮肤图片；

通过图像采集设备获取待测量的皮肤图片，其中，所述图像采集设备带有自动调焦功能的光学镜头模组，在进行图像采集时，所述图像采集设备自动调整好镜头焦距，使得被测物完美成像于接收元件传感器平面，并精确地测出被测物到镜头的距离和镜头到接收平面的距离；

将所述皮肤图片输入至螨虫图像识别模型中，通过所述螨虫图像识别模型对所述皮肤图片进行识别特征提取，以确定所述皮肤图片中包含的螨虫识别特征；

用单一识别特征分割法确定包含有单一螨虫识别特征的目标识别区域图像单元数量；

根据单一螨虫识别特征原则针对待测量的皮肤图片进行分割，确保分割出的图像单元只包含单一螨虫识别特征，依据分割出的目标识别区域图像单元数量确定所述皮肤图片中包含的螨虫数量；

所述方法还包括：

获取至少十张面部样本图片并进行标记，每个面部样本图片中至少包含有一只螨虫；

将所述面部样本图片输入至待训练的螨虫图像识别模型中，通过所述待训练的螨虫图像识别模型提取每个面部样本图片包含的螨虫的特征，以得到对应的样本识别特征；

根据所述样本识别特征以及单一螨虫识别特征原则分割样本图片确定分割出的每个样本图片单元中只包含单一识别特征，分割出的图片单元数量为样本图片中包含的螨虫数量；

根据标记出来的螨虫数量确定所述待训练的螨虫图像识别模型的预测准确率；

在所述预测准确率高于正确率阈值的情况下，确定所述待训练的螨虫图像识别模型训练完毕；

所述依据分割出的目标识别区域图像单元数量确定所述皮肤图片中包含的螨虫数量包括：

针对每个面部样本图片，依据单一识别特征原则将同一只螨虫所占据的多个目标图像素进行整合，以确定对应的区域图像单元；

将每个面部样本图片的区域图像单元的数量确定为每个面部样本图片中包含的螨虫数量。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在确定所述皮肤图片中包含的螨虫数量之后，根据所述螨虫数量确定皮肤的严重等级；

根据所述严重等级确定对应的治疗方案。

3.一种处理器，其特征在于，被配置成执行根据权利要求1至2中任意一项所述的皮肤螨虫非接触测试方法。

4.一种皮肤螨虫非接触测试系统，其特征在于，所述系统包括：

根据权利要求3所述的处理器；

图像采集设备，用于采集待测量的皮肤图片。

5.根据权利要求4所述的系统，其特征在于，所述系统还包括显示设备，用于显示所述皮肤图片中包含的螨虫数量和/或针对所述皮肤图片的治疗方案。

6.根据权利要求5所述的系统，其特征在于，所述显示设备具备人机交互功能。

7.一种机器可读存储介质，该机器可读存储介质上存储有指令，其特征在于，该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至2中任一项所述的皮肤螨虫非接触测试方法。